大模型时代，与其焦虑，不如动手。记录 AI/LLM/Agent 相关的学习、实践和深度思考。
大模型重构软件开发的浪潮正在发生——从对话式 Copilot 到自主 Agent，从单轮问答到多步推理、工具调用、流程编排。这个板块聚焦三个核心问题：
| 层次 | 问题 | 对应内容 |
|---|---|---|
| 认知层 | LLM 的能力边界在哪里？它能做什么、不能做什么？ | 概念篇 |
| 工程层 | 如何把 LLM 变成可用的软件系统？ | 实战篇 |
| 架构层 | 怎样编排多个 Agent 协作完成复杂任务？ | 进阶篇 |
LLM 基础认知
│
├──→ Agent 是什么？
│ │
│ ├── ReAct 推理模式
│ ├── 工具定义与调用
│ ├── 记忆与上下文管理
│ │
│ └──→ Agent 流程编排
│ │
│ ├── 状态图（StateGraph）
│ ├── 条件路由
│ ├── 工具深度使用
│ ├── Human-in-the-loop
│ │
│ └──→ 多 Agent 协作（待更新）
│
└──→ RAG 高级检索（待更新）Skill 是 AI Agent 生态中被低估的能力：一个 SKILL.md 加可选脚本与模板，让 Agent 按需加载专业技能。文章讲清楚 Skill 解决什么问题、SKILL.md 的标准写法与必备元素（frontmatter、正文六要素、description 的写法技巧），并附带一个可直接复制的完整「周报生成」示例（SKILL.md + 脚本 + 模板）。
适合人群：在使用 Claude Code / CodeBuddy 等工具，想把重复交代的事情沉淀成可复用资产的开发者。
从零理解 Agent 的核心原理：为什么 LLM 需要工具、ReAct 模式如何让 LLM 在思考和行动之间循环、工具的完整生命周期（定义→注册→选择→调用→结果处理）。附带可运行的完整代码示例。
适合人群：对 Agent 感兴趣、想动手写第一个 Agent 的开发者。
从单 Agent 跃迁到多步决策系统：理解 State/Node/Edge/Graph/Checkpoint 五个核心概念。深入分析工具的选择机制、description 设计哲学、并发调用策略。以智能工单处理系统为完整业务案例，从意图识别 → 知识检索 → 条件路由 → 生成回复 / 紧急升级 / 创建工单 → 归档，全链路可落地。
适合人群：需要将 Agent 投入生产、处理复杂业务流程的开发者。
| 概念 | 一句话 | 深入阅读 |
|---|---|---|
| LLM | 大语言模型，Agent 的大脑 | — |
| Agent | LLM + 工具 + 决策循环，能自主执行任务 | LangChain 文章 |
| Tool | Agent 的"手和脚"，连接外部世界（API、数据库、文件） | 两篇文章均有 |
| ReAct | 思考（Reasoning）→ 行动（Acting）的循环模式 | LangChain 文章 |
| StateGraph | 用有向图定义 Agent 工作流，是编排的核心 | 流程编排文章 |
| Human-in-the-loop | 关键操作暂停等待人工确认，确保安全可控 | 流程编排文章 |
| 类别 | 推荐工具 |
|---|---|
| LLM 调用 | OpenAI API / Claude API / DeepSeek |
| Agent 框架 | LangChain / LangGraph |
| 向量数据库 | Milvus / Qdrant / Weaviate |
| 追踪与调试 | LangSmith / LangFuse |
| 快速原型 | Dify / Coze（低代码平台） |
三个原则贯穿这个板块的所有内容：
AI 不会取代你，但会用 AI 的人可能会。保持探索。